CN106233289B - 用于患者历史的可视化的方法和*** - Google Patents
用于患者历史的可视化的方法和*** Download PDFInfo
- Publication number
- CN106233289B CN106233289B CN201580020213.3A CN201580020213A CN106233289B CN 106233289 B CN106233289 B CN 106233289B CN 201580020213 A CN201580020213 A CN 201580020213A CN 106233289 B CN106233289 B CN 106233289B
- Authority
- CN
- China
- Prior art keywords
- study
- reports
- patient
- studies
- visualization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012800 visualization Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 18
- 238000003058 natural language processing Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000002591 computed tomography Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 239000003814 drug Substances 0.000 claims description 2
- 238000012633 nuclear imaging Methods 0.000 claims description 2
- 238000002600 positron emission tomography Methods 0.000 claims description 2
- 238000002601 radiography Methods 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 claims description 2
- 238000002604 ultrasonography Methods 0.000 claims description 2
- 238000002592 echocardiography Methods 0.000 claims 1
- 238000001931 thermography Methods 0.000 claims 1
- 210000000038 chest Anatomy 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000003187 abdominal effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000004789 organ system Anatomy 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
- A61B5/0095—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy by applying light and detecting acoustic waves, i.e. photoacoustic measurements
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
- A61B5/015—By temperature mapping of body part
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- General Physics & Mathematics (AREA)
- Cardiology (AREA)
- Acoustics & Sound (AREA)
- Pulmonology (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种用于接收多个报告的***和方法,所述报告的每个描述患者的多个医学成像研究中的相应的一个;从所述报告的每个提取相应的特征;基于包括子集的所述报告的特征的相似性来识别所述报告的所述子集;以及生成针对所述患者的患者历史的部分的可视化,所述部分包括所述报告的所述子集。
Description
发明人:Thusitha MABOTUWANA,Yuechen QIAN,Hans BUURMAN
背景技术
在进行放射学研究之前,放射科医生可以检查一个或多个相关的在先的成像研究,以便建立针对当前研究的适当的背景。建立背景可以是重大的任务,特别是在癌症患者的情况下,癌症患者的历史可以包括跨越多种临床发作的相关发现结果。现有的放射学设备提供沿基本时间轴的患者的过往研究,这会加大建立适当的背景的难度。
附图说明
图1图示了两种现有技术的患者成像研究的历史的可视化。
图2示意性图示了根据范例性实施例的用于患者历史的可视化的***。
图3示出了使用诸如图2的范例性***的用于患者历史的可视化的范例性方法。
图4示出了可以由图2的范例性***和图3的范例性方法生成的患者历史的第一范例性可视化。
图5示出了可以由图2的范例性***和图3的范例性方法生成的患者历史的第二范例性可视化。
图6示出了可以由图2的范例性***和图3的范例性方法生成的患者历史的第三范例性可视化。
图7示出了可以由图2的范例性***和图3的范例性方法生成的患者历史的第四范例性可视化。
具体实施方式
范例性实施例可以参考以下说明和相关附图来进一步理解,其中,类似元件提供有相同的附图标记。具体地,范例性实施例涉及用于成像研究的复杂患者历史的可视化的方法和***。
放射科医生通常必须使自己熟悉大量的在先研究,以便以有效的方式诊断和处置患者。需要使用在先研究,以便建立针对当前研究的适当背景。具体地,癌症患者可能频繁地经历成像研究,产生要由放射科医生回顾的大量在先研究。名称“放射科医生”被用于整个说明书,以指正在回顾患者医学记录的个体,但是,对于本领域普通技术人员显而易见的是,该个体也可以是任何其它适当的用户,诸如医生、护士或其他医学专业人士。
现有技术解决方案通常显示沿基本时间轴的之前的研究。图1示出了两个这样的研究的现有技术时间轴。在一些解决方案中,所有研究沿着单个时间轴被示出。图1的右侧的时间轴110,呈现这样的研究的显示。在时间轴110上,示出针对给定患者的所有在先研究。时间轴110包括在时间段内的患者胸部的CT研究和CR研究,但是,本领域普通技术人员应当理解,这仅是范例性的,并且其它时间轴可以包括患者身体的不同区域的更广泛的多种类型的研究。
至多,在先解决方案可以沿更集中的时间轴对相同类型的所有研究(例如,具有相同模态和身体部分的所有研究)进行分组。图1左侧的时间轴120包括在时间轴110中示出的研究的子集。具体地,时间轴120包括与时间轴110相同时间段内的患者胸部的CR研究,同时省略在时间轴110中示出的CT研究。显而易见的是,CR胸部研究的选择仅是范例性的,并且不同的子集是可能的。
回顾在先研究的过程通常涉及打开一个或多个在先报告,所述在先报告通常包括图像和叙述形式的随同文本。然而,如图1中所示的由现有技术呈现的概况视图在选择要回顾的在先报告中向放射科医生提供最少的帮助。此外,现有技术时间轴本身在建立针对当前研究的适当背景中对放射科医生不提供特别的指导。
图2图示了用于向放射科医生提供对于建立针对当前研究的背景信息有用的信息的范例性***200。***200通常可以是计算机实现的,并且可以包括在本领域中公知的计算***的一般要素,诸如处理器210、存储器220和用户接口230。存储器220可以存储针对一个或多个患者的在先研究数据240,包括放射科医生当前正在处置的当前患者。在先研究数据240可以根据本领域普通技术人员熟悉的医学数字成像和通信(“DICOM”)格式来存储,但是这仅仅是范例性的,也可以使用其他格式。在一个一般实施例中,用户接口230可以包括三个显示器,左侧显示器示出用户工作区,中心显示器示出当前研究,并且右侧显示器示出在先研究,但是,对于本领域普通技术人员显而易见的是,这仅是范例性的,并且一个或多个显示器的其他配置在不脱离本文中所描述的更广泛的原理的情况下是可能的。
***200还包括范例性模块,所述模块可以是存储在存储器220中并由处理器210运行,以执行将在下面参考方法300所描述的功能的代码的模块。这些模块包括提取来自在先研究数据240的相关信息的提取模块250,以预定的或用户指定的方式对相关研究进行分组的分组模块260,以及以将在下文详细描述的方式生成图形显示使放射科医生能够可视化研究分组的接口模块270。本领域普通技术人员应当理解,如通过三个独立模块进行的方法300的执行的描绘仅是范例性的,并且所述功能也可以由集成软件应用来执行,或者具有与本文中所描述的方式所不同地描绘的它们的功能的多个应用来执行。
图3图示了在建立针对当前研究的背景的过程中的用于生成绘制,以帮助放射科医生的方法300。方法300的执行可以通过放射科医生激活***200或指示***200显示与特定患者相关的数据来引导。在步骤310中,提取模块250从在先研究数据240检索患者的所有在先研究。这可以通过用于数据检索、数据库查询等的标准技术来实现。如上所述,从在先研究数据240检索的数据可以根据DICOM标准进行格式化。
在步骤320中,提取模块250从患者的现有技术的研究背景特征进行提取。特征可以包括身体部分、检查原因、模态等。特征可以被存储在涉及研究的元数据和报告内容中,并且提取模块250可以从涉及研究的元数据和报告内容中提取特征,如上所述,涉及研究的元数据和报告内容可以包括叙述格式的文本。
如上所述,在先研究的元数据通常可以根据DICOM标准来存储。各种特征可以从各种DICOM属性(或者,如本领域普通技术人员显而易见的,当数据以除DICOM之外的其他格式存储时的其他元数据元素)来提取。例如,研究模态特征能够直接从DICOM属性提取并且可以对应于DICOM模态场(0008,0060)。研究特征的身体部分能够直接从DICOM属性来提取,并且可以对应于DICOM身体部位检查场(0018,0015)。
一些特征可以通过提取元数据和向所提取的文本应用自然语言处理(“NLP”),诸如使用MetaMap NLP引擎来确定。例如,检查原因特征能够通过从DICOM标签(0032,1030)提取文本,并使用NLP技术从其中的叙述文本提取诊断术语来确定。类似地,研究特征的解剖学可以通过应用NLP技术以从在研究描述DICOM标签(0008,1030)、协议名称DICOM标签(0018,1030)和系列说明DICOM标签(0008,103e)中所找到的叙述性说明中提取具体身体部分来确定。对于本领域普通技术人员显而易见的是,从上述元数据提取的具体特征仅是范例性的,并且在其他实施例中可以提取其它特征。以元数据以DICOM标准的范例性实施例继续,其它有用的标签可以包括程序代码、请求程序代码和预设程序代码。
如上所述,除了元数据之外,包括检查原因和比较研究的报告的内容可以从在先研究的叙述文本中提取。如上所述,NLP技术可以被用于执行这种提取。NLP可以是能够确定报告的章节结构,包括章节、段落和句子。这可以包括使用最大熵分类器,所述最大熵分类器对每个句子结束的字符(例如,句号、感叹号、问号、冒号或反斜杠-n)分配四个标签之一:
1)字符标记句子的结束,句子是章节标题
2)字符标记句子的结束,句子结束段落
3)字符标记句子的结束,句子既不是章节标题,也不是段落的最后一句
4)字符不标记句子的结束
章节标题可以相对于五个类型来正规化:技术、比较、发现结果、印象和无。如本文所使用的,“正规化”是指在不同报告中的条目被更新为适应上面提到的标准类型,报告的格式可以从机构到机构或从放射科医生到放射科医生有所不同(例如,一个机构可以称发现结果部分为“多个发现结果”,另外一个可能称之为“发现结果”,同时其他的一个可能称之为“观察值”,等等)。除了章节标题,句子可以被分组为段落。在每个段落中的第一句可以与段落标题的列表(例如,“肝”、“脾”、“肺”等)进行比较,并且匹配列表中的条目的句子被标记为是段落标题。除了上述之外,诊断相关的术语和解剖相关的术语可以从临床历史章节中提取,并且比较研究的日期可以被提取。
在步骤330中,分组模块260接收由提取模块250在步骤320中确定的已研究和已提取的特征。这可以通过用于将数据从一个计算例程传递到另一个计算例程的任何标准装置发生。在步骤340中,分组模块260基于对应于包括一个或多个子集的研究的特征对用于后续显示的研究中的一个或多个子集进行分组。如将在下文中所描述的,特征可以被用于将研究分组为彼此相关的组。分组可以是以预先配置的或用户指定的方式。下文描述了用于对所述研究进行分组的各种范例性方式,但对于本领域普通技术人员显而易见的是,不脱离本文中所描述的更广泛的原理的情况下,其它分组是可能的。
在一个范例性分组中,从研究中提取的身体部分特征可以被映射到人体内的器官***。通过执行这种映射,研究可以由器官进行分组,并随后在基于器官分组中被呈现给放射科医生。在其他范例性分组中,分组可以基于从报告的“检查原因”或“临床历史”章节提取的诊断术语来做出。这可以产生与用于检查的相同基础相关的在先研究的分组。
在另一范例性分组中,从研究报告的比较章节中提取的特征可以被用于对相对于彼此描述的研究进行分组。例如,给定的在先研究的报告的比较章节可以含有用于对给定的在先研究的比较的其他在先研究的日期。对于本领域普通技术人员显而易见的是,在先研究可以在报告中被使用和参考,因为在当前研究与在先研究之间存在某些关系。因此,这些提取出来的特征可以被用于对具有与在报告中做出的对彼此的明确关系的研究进行分组。
在另一实施例中,在分组之前,从报告中提取的身体部分可以使用诸如***化医学命名法(“SNOMED”)或一体化医学语言***(“UMLS”)的本体论来正规化。例如,来自这种本体论的知识可以被用于确定具有所提取特征“肾脏”的一项研究应该与具有所提取特征“肾的”的另一研究一起被分组。类似地,包含在这种本体论中的关联关系(例如,“是....的部分”的关系)可以被用于确定两个身体部分是相关的,并且具有这两个身体部分的特征的研究应该被分组在一起。例如,来自这种本体论的关系可以被用于确定具有所提取特征“肝脏”的研究应当与具有所提取特征“腹部”的另一项研究一起被分组。
在另一实施例中,数据驱动方法可以被用于定义矩阵,并且将当前研究的特征矢量与在先研究的特征矢量进行比较。这种矩阵能够包含来自当前研究和来自在先研究的特征矢量。矩阵的每一列可以表示从研究元数据中提取的特征,诸如DICOM标签(例如,模态、身体部分1、身体部分2等),以及从报告中提取的单词或短语;矩阵中的每一行可以表示针对单个研究的所提取的特征信息。本领域中已知的统计聚类技术(例如,使用k均值)随后可以被应用至各种特征矢量,以识别类似的研究的组。
在步骤350中,接口模块270接收由分组模块260在步骤340中所确定的研究及其一个或多个分组。如上参考步骤330所指出的,这可以通过用于将数据从一个计算例程传递到另一个计算例程的任何标准装置出现。在步骤360中,接口模块270基于由分组模块260所识别的一个或多个分组生成可视化,并提供通过用户接口230向放射科医生提供可视化。在如上所述的用户接口230的一般的三个显示器的实施例中,接口模块270可以在右侧显示器上提供该可视化。
接口模块270可以以各种特定方式显示已分组的研究。在一个范例性实施例中,接口模块270可以向用户接口230提供示出与人图示相结合的研究时间轴的可视化。图4示出了包括人410的可视化400。可视化400包括紧挨着人410的头部的大脑研究420的时间轴、紧挨着人410的胸部的***研究430的时间轴、以及紧挨着人410的腹部的腹部研究440的时间轴。对于本领域普通技术人员显而易见的是,在可视化400中示出的特定时间轴仅是范例性的,所生成的特定时间轴可以根据正在对其准备可视化410的患者的临床历史发生变化。可视化400还可以包括时间标度450,时间轴420、430和440都可以被缩放至所述时间标度450。
在另一范例性实施例中,接口模块270可以向用户接口230提供可视化,所述可视化示出基于对在先研究的明确参考进行分组的研究时间轴。如上所述,这可以使用从研究报告的比较章节中提取的信息来完成。图5示出了这种可视化500。可视化500包括时间轴510、520、530、540和550,每个时间轴包括在在先步骤中确定的两个或多个研究,以基于对彼此的明确参考与彼此相关联。例如,时间轴540可以包括研究542和544,并且研究544可以在其比较章节中明确地参考研究542。可视化500还包括在上述步骤中未彼此相关联而被识别的研究560、562、564、566、568和570。时间轴510、520、530、540和550和未分组的研究560、562、564、566、568和570都沿着共同时间标度580来显示。
在另一范例性实施例中,接口模块270可以向用户接口230提供示出了由模态和身体部分进行分组的研究时间轴的可视化。如上所述,这可以使用从研究报告的比较章节中提取的信息来完成。图6示出了这样一种可视化600,其示出如在图5的可视化500所示的相同研究,但以不同的方式来分组。可视化600包括时间轴610、620、630、640和650,每个时间轴包括在在先步骤中所确定的两个或多个研究,以基于对彼此的明确参考与彼此相关联。例如,时间轴620可以包括研究622、624、626和628,每个研究可以是神经学上的计算机断层摄影(“CT”)扫描。可视化600还包括在上述步骤中未相对于彼此相关联而被识别的研究660、662、664和666。时间轴610、620、630、640和650和未分组的研究660、662、664和666都沿着共同时间标度670来显示。
如上所述,可视化600示出了被不同地分组的图5的可视化500相同的研究。例如,图5的未分组研究568,胃肠(“GI”)射频(“RF”)扫描,被分组为图6的时间轴640。对于本领域普通技术人员显而易见的是,在可视化600中的这种分组可以是由于时间轴640包括GI RF扫描的分组的事实引起的。然而,由于在其他研究中缺乏对其的明确参考(例如,包括可视化500的时间轴540的那些),用于对于可视化500中的研究进行分组所使用的标准,研究568可以从可视化500中的时间轴中被省略。
在另一范例性实施例中,接口模块270可以向用户接口230提供可视化,其图示了不考虑模态而由身体部分进行分组的研究时间轴。如上所述,这可以使用从研究报告的比较章节中提取的信息来完成。图7示出了这种可视化700,其示出在图5的可视化500和图6的可视化600中所示的,但以不同方式分组的相同研究。可视化700包括时间轴710、720、730、740和750,每个时间轴包括在在先步骤中所确定的两个或多个研究,以基于对彼此的明确参考与彼此相关联。例如,时间轴720可以包括研究722、724和726,每个时间轴可以是腹部扫描,其中,研究722和724是腹部CT扫描并且研究726是腹部计算机射线摄影(“CR”)扫描。可视化700还包括当在上述步骤中未与任何其他研究相关而被识别的研究760。时间轴710、720、730、740和750和未分组的研究760沿着共同时间标度770来显示。
如上所述,可视化700示出了与不同地分组的如图5的可视化500和图6的可视化600同样的研究。例如,图6的未分组研究662,胸部CT扫描,被分组到图7的时间轴710中。对于本领域普通技术人员显而易见的是,在可视化700中的这种分组可以是由于时间轴710包括不考虑模态的胸部扫描的分组的事实引起的。然而,由于研究662与包括时间轴610的研究的不同的模态,用于在可视化600中的分组研究的标准,研究662可以从可视化600中的时间轴被省略。
对于本领域普通技术人员显而易见的是,上述可视化400、500、600和700仅是范例性的,可以在不脱离范例性实施例的更广泛的原理的情况下使用用于研究分组的其他标准。用户接口230还可以使放射科医生能够使用“拖放”或其它接口来校正或更新研究关联性。例如,查看包括时间轴610和未分组研究662的可视化600的放射科医生可以选择将研究662与时间轴610相关联;对于本领域技术人员显而易见的是,这将产生类似于可视化700的时间轴710的时间轴。此外,放射科医生可以与用户接口230交互,以选择一个或多个研究(例如,单个研究,选定的时间轴的一部分,整个选择的时间轴,多个所选择的时间轴等)并开始用于解释的研究。
可以由范例性实施例提供的可视化可以以两种方式帮助放射科医生建立针对当前研究的临床背景。首先,研究分组本身可以通过提供已经在所期望的时间间隔上对患者进行的扫描类型的总体概览,使放射科医生能够获得对患者的历史的整体理解。其次,由于研究可以以已分组的子集,而不是如图1中所示的大规模地被呈现给放射科医生,放射科医生可以更容易地识别和选择所期望的用于检索的报告中的一个或多个并且在执行当前研究之前的进一步回顾。
本领域普通技术人员应当理解,上述范例性实施例可以以任何数量的方式来实现,包括作为软件模块,作为硬件和软件的组合等。例如,范例性方法300可以体现在存储在非暂态存储介质中的程序并包含当被编译时可以由处理器执行的代码行。此外,对于本领域普通技术人员显而易见的是,尽管本公开参考特定类型的医学成像研究,但本文中所描述的更广泛的原理可以同样适用于本领域普通技术人员所公知的任何类型的医学成像研究。这可以包括X射线研究或其他类型的射线摄影研究、RF研究、CT检查、CR研究、磁共振成像(“MRI”)研究、超声研究、正电子发射断层摄影术(“PET”)研究或其他类型的核成像研究、光声研究、热成像研究、超声心动图研究、功能近红外光谱仪(“FNIR”)研究、或此处未明确提及的任何其他类型的医学成像研究。
对于本领域普通技术人员显而易见的是,可以不脱离本发明的精神或范围对范例性实施例做出各种修改。因此,其意图是本发明覆盖本发明的修改和变更,只要它们在所附权利要求及其等同方案的范围之内。
Claims (14)
1.一种用于可视化患者历史的方法,包括:
接收多个报告,所述报告中的每个描述患者的多个医学成像研究中的相应的一个;
从所述报告中的每个报告的比较章节,通过自然语言处理从所述报告中的每个报告的叙述文本中提取相应的特征;
基于包括子集的所述报告的所述特征的相似性来识别所述报告的所述子集;
对所述报告中识别出的子集进行分组,以定义将当前研究的特征矢量与在先研究的特征矢量进行比较的矩阵;并且
生成针对所述患者的患者历史的部分的可视化,所述部分包括所述报告中识别出的且经分组的子集,
其中,所述可视化包括使用从针对所述患者的所述报告的比较章节中提取的特征、基于针对所述患者的医学成像研究而被分组的多个时间轴,每个时间轴包括基于对彼此的明确参考而被确定为彼此相关联的两个或更多医学成像研究。
2.根据权利要求1所述的方法,其中,所述多个时间轴中的每个包括以下中的一个:具有相同身体部分的医学成像研究、具有相同身体部分和模态的医学成像研究、以及具有对彼此明确参考的医学成像研究。
3.根据权利要求1所述的方法,其中,所述多个时间轴与人体的示意图相关联示出和/或与共同时间标度相关联示出。
4.根据权利要求1所述的方法,其中,所述可视化还包括对不是所述时间轴中的一个的部分的所述医学成像研究中的一个的指示。
5.根据权利要求1所述的方法,其中,多个相应的特征是从所述报告中的每个中被提取的。
6.根据权利要求1所述的方法,其中,所述特征包括以下中的一个:模态、身体部分、研究说明、协议名称、系列说明、用于研究的原因和程序代码。
7.根据权利要求1所述的方法,其中,提取所述研究中的每个的所述相应的特征包括从所述研究中的每个的元数据中提取。
8.根据权利要求7所述的方法,其中,所述元数据根据医学数字成像和通信标准而被格式化。
9.根据权利要求1所述的方法,其中,识别所述报告中的子集包括使用医学本体论对所述报告的所述子集进行分组。
10.根据权利要求9所述的方法,其中,所述医学本体论包括***化医学命名法和一体化医学语言***中的一个。
11.一种用于可视化患者历史的***,包括:
非暂态存储器,其存储多个报告,所述报告中的每个描述患者的多个医学成像研究中的相应的一个;
处理器,其执行:
提取模块,其从所述报告中的每个报告的比较章节,通过自然语言处理从所述报告中的每个报告的叙述文本中提取相应的特征;
分组模块,其基于包括子集的所述报告的所述特征的相似性来识别所述报告的所述子集并对所述报告中识别出的子集进行分组,以定义将当前研究的特征矢量与在先研究的特征矢量进行比较的矩阵;以及
可视化模块,其生成针对所述患者的患者历史的部分的可视化,所述部分包括所述报告中识别出的且经分组的子集;以及
图形化用户接口,其向所述***的用户显示所述可视化,
其中,所述可视化包括使用从针对所述患者的所述报告的比较章节中提取的特征、基于针对所述患者的医学成像研究而被分组的多个时间轴,每个时间轴包括基于对彼此的明确参考而被确定为彼此相关联的两个或更多医学成像研究。
12.根据权利要求11所述的***,其中,所述医学成像研究包括以下中的一个:放射摄影研究、射频研究、计算机断层摄影研究、计算机放射摄影研究、磁共振成像研究、超声研究、正电子发射断层摄影研究、核成像研究、光声研究、热成像研究、超声心动图研究和功能近红外光谱仪研究。
13.根据权利要求11所述的***,其中,所述提取模块还被布置用于从所述研究中的每个的元数据中提取所述研究中的每个的所述相应的特征。
14.一种存储由处理器可执行的一组指令的非暂态计算机可读存储介质,当由所述处理器执行时,所述一组指令引起所述处理器执行包括以下的操作:
接收多个报告,所述报告中的每个描述患者的多个医学成像研究中的相应的一个;
从所述报告中的每个报告的比较章节,通过自然语言处理从所述报告中的每个报告的叙述文本中提取相应的特征;
基于包括子集的所述报告的所述特征的相似性来识别所述报告的所述子集;
对所述报告中识别出的子集进行分组,以定义将当前研究的特征矢量与在先研究的特征矢量进行比较的矩阵;并且
生成针对所述患者的患者历史的部分的可视化,所述部分包括所述报告中识别出的且经分组的子集,
其中,所述可视化包括使用从针对所述患者的所述报告的比较章节中提取的特征、基于针对所述患者的医学成像研究而被分组的多个时间轴,每个时间轴包括基于对彼此的明确参考而被确定为彼此相关联的两个或更多医学成像研究。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461980768P | 2014-04-17 | 2014-04-17 | |
US61/980,768 | 2014-04-17 | ||
PCT/IB2015/052526 WO2015159182A1 (en) | 2014-04-17 | 2015-04-08 | Method and system for visualization of patient history |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106233289A CN106233289A (zh) | 2016-12-14 |
CN106233289B true CN106233289B (zh) | 2021-09-07 |
Family
ID=53267414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580020213.3A Active CN106233289B (zh) | 2014-04-17 | 2015-04-08 | 用于患者历史的可视化的方法和*** |
Country Status (6)
Country | Link |
---|---|
US (1) | US20170177795A1 (zh) |
EP (1) | EP3132367A1 (zh) |
JP (1) | JP6526712B2 (zh) |
CN (1) | CN106233289B (zh) |
RU (1) | RU2016145132A (zh) |
WO (1) | WO2015159182A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11250841B2 (en) * | 2016-06-10 | 2022-02-15 | Conduent Business Services, Llc | Natural language generation, a hybrid sequence-to-sequence approach |
US11610687B2 (en) * | 2016-09-06 | 2023-03-21 | Merative Us L.P. | Automated peer review of medical imagery |
EP3526700A1 (en) * | 2016-10-14 | 2019-08-21 | Koninklijke Philips N.V. | System and method to determine relevant prior radiology studies using pacs log files |
CN110100286A (zh) * | 2016-11-22 | 2019-08-06 | 皇家飞利浦有限公司 | 用于患者历史敏感的结构化发现对象推荐的***和方法 |
US10956469B2 (en) * | 2017-01-06 | 2021-03-23 | International Business Machines Corporation | System and method for metadata correlation using natural language processing |
US11189026B2 (en) * | 2017-04-18 | 2021-11-30 | Koninklijke Philips N.V. | Intelligent organization of medical study timeline by order codes |
US11244746B2 (en) * | 2017-08-04 | 2022-02-08 | International Business Machines Corporation | Automatically associating user input with sections of an electronic report using machine learning |
WO2019215109A1 (en) * | 2018-05-08 | 2019-11-14 | Koninklijke Philips N.V. | Convolutional localization networks for intelligent captioning of medical images |
US11416513B2 (en) | 2018-06-27 | 2022-08-16 | Universal Research Solutions, Llc | Searching data structures maintained by distributed data sources |
KR102366290B1 (ko) * | 2019-05-13 | 2022-02-22 | (주)비주얼터미놀로지 | 의료기계 학습 시스템 |
KR102324217B1 (ko) * | 2019-06-24 | 2021-11-10 | (주)비주얼터미놀로지 | 건강기록 시스템 |
EP4026047A1 (en) * | 2019-09-06 | 2022-07-13 | F. Hoffmann-La Roche AG | Automated information extraction and enrichment in pathology report using natural language processing |
KR102365287B1 (ko) * | 2020-03-31 | 2022-02-18 | 인제대학교 산학협력단 | 뇌mri 획득 영상기법 자동 기재 방법 및 시스템 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102844761A (zh) * | 2010-04-19 | 2012-12-26 | 皇家飞利浦电子股份有限公司 | 使用放射学描述符的报告查看器 |
WO2014053986A2 (en) * | 2012-10-01 | 2014-04-10 | Koninklijke Philips N.V. | Multi-study medical image navigation |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7440904B2 (en) * | 2000-10-11 | 2008-10-21 | Malik M. Hanson | Method and system for generating personal/individual health records |
US9053222B2 (en) * | 2002-05-17 | 2015-06-09 | Lawrence A. Lynn | Patient safety processor |
US7657540B1 (en) * | 2003-02-04 | 2010-02-02 | Seisint, Inc. | Method and system for linking and delinking data records |
US8290958B2 (en) * | 2003-05-30 | 2012-10-16 | Dictaphone Corporation | Method, system, and apparatus for data reuse |
US20060064328A1 (en) * | 2004-08-30 | 2006-03-23 | Debarshi Datta | System and method for utilizing a DICOM structured report for workflow optimization |
US9081879B2 (en) * | 2004-10-22 | 2015-07-14 | Clinical Decision Support, Llc | Matrix interface for medical diagnostic and treatment advice system and method |
US20070082073A1 (en) * | 2005-05-18 | 2007-04-12 | University Of South Florida | Catechin Adjuvants |
JP2007122679A (ja) * | 2005-09-27 | 2007-05-17 | Fujifilm Corp | 読影支援システム |
US20070174296A1 (en) * | 2006-01-17 | 2007-07-26 | Andrew Gibbs | Method and system for distributing a database and computer program within a network |
JP2007233841A (ja) * | 2006-03-02 | 2007-09-13 | Konica Minolta Medical & Graphic Inc | 診断システム |
WO2009137682A1 (en) * | 2008-05-07 | 2009-11-12 | Lynn Lawrence A | Medical failure pattern search engine |
EP2411931A1 (en) * | 2009-03-26 | 2012-02-01 | Koninklijke Philips Electronics N.V. | A system that automatically retrieves report templates based on diagnostic information |
US20100274584A1 (en) * | 2009-04-23 | 2010-10-28 | Kim Hyong S | Method and system for presenting and processing multiple text-based medical reports |
EP2433234B1 (en) * | 2009-05-19 | 2018-12-12 | Koninklijke Philips N.V. | Retrieving and viewing medical images |
JP6230787B2 (ja) * | 2010-03-31 | 2017-11-15 | 株式会社日立製作所 | 検査情報表示装置及び方法 |
US20120065987A1 (en) * | 2010-09-09 | 2012-03-15 | Siemens Medical Solutions Usa, Inc. | Computer-Based Patient Management for Healthcare |
US9916420B2 (en) * | 2011-02-18 | 2018-03-13 | Nuance Communications, Inc. | Physician and clinical documentation specialist workflow integration |
US20120221347A1 (en) * | 2011-02-23 | 2012-08-30 | Bruce Reiner | Medical reconciliation, communication, and educational reporting tools |
JP5897385B2 (ja) * | 2011-04-14 | 2016-03-30 | 東芝メディカルシステムズ株式会社 | 医療情報システム及び医療情報表示装置 |
US9928622B2 (en) * | 2011-06-01 | 2018-03-27 | Koninklijke Philips N.V. | Timeline display tool |
JP6200431B2 (ja) * | 2011-12-27 | 2017-09-20 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | テキスト分析システム |
US10839046B2 (en) * | 2012-03-23 | 2020-11-17 | Navya Network, Inc. | Medical research retrieval engine |
WO2013158778A1 (en) * | 2012-04-20 | 2013-10-24 | Valant Medical Solutions, Inc. | Clinical note generator |
US20140156303A1 (en) * | 2012-12-04 | 2014-06-05 | Gary Pacheco | Processing of clinical data for validation of selected clinical procedures |
US20140350961A1 (en) * | 2013-05-21 | 2014-11-27 | Xerox Corporation | Targeted summarization of medical data based on implicit queries |
US10860171B2 (en) * | 2013-07-02 | 2020-12-08 | Cerner Innovation, Inc. | Dynamic association and documentation |
US10901978B2 (en) * | 2013-11-26 | 2021-01-26 | Koninklijke Philips N.V. | System and method for correlation of pathology reports and radiology reports |
US10685743B2 (en) * | 2014-03-21 | 2020-06-16 | Ehr Command Center, Llc | Data command center visual display system |
-
2015
- 2015-04-08 CN CN201580020213.3A patent/CN106233289B/zh active Active
- 2015-04-08 RU RU2016145132A patent/RU2016145132A/ru unknown
- 2015-04-08 JP JP2016562543A patent/JP6526712B2/ja active Active
- 2015-04-08 US US15/302,024 patent/US20170177795A1/en not_active Abandoned
- 2015-04-08 EP EP15724762.8A patent/EP3132367A1/en not_active Withdrawn
- 2015-04-08 WO PCT/IB2015/052526 patent/WO2015159182A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102844761A (zh) * | 2010-04-19 | 2012-12-26 | 皇家飞利浦电子股份有限公司 | 使用放射学描述符的报告查看器 |
WO2014053986A2 (en) * | 2012-10-01 | 2014-04-10 | Koninklijke Philips N.V. | Multi-study medical image navigation |
Also Published As
Publication number | Publication date |
---|---|
EP3132367A1 (en) | 2017-02-22 |
JP6526712B2 (ja) | 2019-06-05 |
WO2015159182A1 (en) | 2015-10-22 |
JP2017513590A (ja) | 2017-06-01 |
US20170177795A1 (en) | 2017-06-22 |
RU2016145132A (ru) | 2018-05-17 |
CN106233289A (zh) | 2016-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106233289B (zh) | 用于患者历史的可视化的方法和*** | |
US20220199230A1 (en) | Context driven summary view of radiology findings | |
JP6749835B2 (ja) | コンテキスト依存医学データ入力システム | |
CN110033859B (zh) | 评估患者的医学检查结果的方法、***、程序和存储介质 | |
Adams et al. | Artificial intelligence solutions for analysis of X-ray images | |
US9317580B2 (en) | Imaging protocol update and/or recommender | |
US10210310B2 (en) | Picture archiving system with text-image linking based on text recognition | |
JP7258772B2 (ja) | 全人的患者放射線医療ビューワ | |
CN109478419B (zh) | 结构化和叙述性报告中的显著发现代码的自动识别 | |
JP2015524107A (ja) | 患者情報を臨床基準にマッチングするシステム及び方法 | |
US11630874B2 (en) | Method and system for context-sensitive assessment of clinical findings | |
EP2656243B1 (en) | Generation of pictorial reporting diagrams of lesions in anatomical structures | |
US20240006039A1 (en) | Medical structured reporting workflow assisted by natural language processing techniques | |
van der Pol et al. | Canadian radiology in the age of artificial intelligence: a golden opportunity | |
US20200043583A1 (en) | System and method for workflow-sensitive structured finding object (sfo) recommendation for clinical care continuum | |
US11990232B2 (en) | Clinical discovery wheel—a system to explore clinical concepts | |
US20120191720A1 (en) | Retrieving radiological studies using an image-based query | |
Isac et al. | Ontology-Based Management of Cranial Computed Tomography Reports | |
Mabotuwana et al. | A Context-Sensitive Image Annotation Recommendation Engine for Radiology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |